基于用户兴趣的新闻个性化推荐系统的设计与实现
作者：赵卫平
来源：《经营管理者·上旬刊》2017年第03期
        摘 要：伴随着互联网上信息量迅速增加，信息过载现象越来越明显。这种现状增加了用户从互联网上获取信息的难度，因此个性化推荐技术变得越来越重要。本文提出基于用户兴趣的个性化推荐系统的设计方案，通过采集、分析用户访问的新闻文本内容，对新闻文本内容进行分词，采用TF-IDF提取新闻特征词，利用LDA主题模型挖掘用户兴趣，建立用户兴趣模型。最后实验证明基于用户兴趣进行的新闻推荐，具有良好的效果。
        关键词：LDA主题模型 用户兴趣模型 个性化推荐
        一、引言
        随着电子信息化水平的提高，新网网站已经逐渐成为人们获取新闻信息的主要来源。新闻网站上信息多样、丰富、全面、更新及时，极大的满足了用户的信息需求。但是伴随着新闻信息量的增大，信息过载现象越来越严重。用户无法快速地从海量的新闻中出自己感兴
新闻网站设计趣的新闻，增加了用户获取信息的难度。因此个性化推荐技术应用于新闻领域变得尤为重要。目前关于新闻个性化推荐的研究，有如下几个方面。基于新闻内容的推荐，即根据用户当前浏览的新闻内容推荐相关的新闻。这种方式推荐的新闻类别比较单一、推荐的新闻信息不全。 基于协同过滤算法的推荐方式，即利用系统中与当前用户相似用户的浏览行为和兴趣来预测当前用户的潜在兴趣。该方式已经成为当前新闻个性化推荐中的主要推荐方式之一。 混合方法的个性化推荐，结合内容的推荐和协同过滤推荐两种方式的优点，同时利用用户浏览的新闻内容和用户浏览行为信息做推荐。该方式改进了个性化推荐效果。本文提出基于用户兴趣的个性化推荐系统的设计方案，通过采集、分析用户访问的新闻内容和浏览行为数据，提取文本内容特征词，将隐性的用户兴趣和显性的用户兴趣相结合，构建用户兴趣模型，通过实验和假设对用户兴趣模型进行更新和优化。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。